一个轻量级的红外遥感架构,用于增强小目标检测,使用改进的DETR与CST模块
Hongyi Duan1, Jinyang Niu1, Junjie Hao1
1School of Software, Shanxi Agricultural University, No. 1, Mingxian South Road, 030801, Taigu District, Jinzhong, Shanxi, China.
Scientific reports
|November 3, 2025
概括
这项研究介绍了RT-DETR-CST,这是一种用于红外遥感 (IRS) 船舶检测的轻量级网络. 它显著提高了小目标检测的准确性和速度,同时减少了模型大小.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 红外遥感 (IRS) 船舶检测受到低分辨率和噪声的挑战,特别是对于小型目标.
- 现有的方法在红外图像中与道间不平衡和特征损失作斗争.
- 小目标通常会被背景噪音所掩盖,妨碍准确的检测.
研究的目的:
- 提出一种新的轻量级架构,RT-DETR-CST,用于在IRS中增强小目标检测.
- 为了应对红外船舶检测中道间信息不平衡和特征退化所带来的挑战.
- 为了提高准确性,减少模型大小,并提高实时应用的推断速度.
主要方法:
- 开发了一种跨道特征注意网络 (CFAN),用于加权特征融合和噪声抑制.
- 引入了一个规模智能特征网络 (Scale-Wise Feature Network,简称SWN),使用深度可分离的卷积和随机深度进行多规模特征提取.
- 集成了一种纹理/细节捕获网络 (TCN),通过线性分解和通道融合来保护边缘和细节.
主要成果:
- 在ISDD数据集上,RT-DETR-CST实现了89.4%的mAP0.5,比RT-DETR有4.9%的改进.
- 模型大小减少了41.5%至23.7 MB,推断速度为207.2 FPS.
- 废弃性研究证实了每个模块的有效性,证明了卓越的准确性,轻量级设计和实时性能.
结论:
- 在红外船舶遥感中,RT-DETR-CST为小型目标检测提供了高效的解决方案.
- 拟议的架构在不同的数据集和传感模式 (IRS和SAR) 中展示了出色的概括能力.
- 该模型在准确性,效率和实时遥感应用中的稳定性之间实现了强大的平衡.
